JP2007233584A - 印象判定システム、広告記事生成システム、印象判定方法、広告記事生成方法、印象判定プログラムおよび広告記事生成プログラム - Google Patents

Abstract

【課題】 文書情報から抽出されたキーワードへの印象を判定することで広告効果を高める印象判定システム、広告記事生成システム、印象判定方法、広告記事生成方法、印象判定プログラムおよび広告記事生成プログラムを提供する。
【解決手段】 印象判定システムは、キーワード抽出部（３１５）により取得したＷｅｂサイトの文書情報からキーワードおよびキーワードに関連の深い関連ワードを抽出し印象判定部（３１８）が、関連ワードについてキーワードに対する印象の程度を総合的に算出することでキーワードに対する印象を判定する。このように判定された判定結果を利用すれば、文書作成の印象に適合した広告の提供を行なうことが可能となり、それによって広告効果を高めることができる。
【選択図】 図２

Description

本発明は、アフィリエイトシステムにおいて用いられる印象判定システム、広告記事生成システム、印象判定方法、広告記事生成方法、印象判定プログラムおよび広告記事生成プログラムに関する。

近年、インターネットを利用した広告ビジネスが注目されている。このような分野では、インターネットの検索サイトでユーザが検索を実行させた語句に対応する広告を表示する技術が提案されている（たとえば特許文献１参照）。

特許文献１に記載されている広告提供装置は、広告情報と対応語句とを対応付けて記憶するとともに、対応語句と対応語句に関連する関連語句とを対応付けて記憶する検索用のデータベースを有している。そして、広告提供装置は、入力を受け付けた語句を関連語句として検索し、関連語句に対応する対応語句を得て、さらに対応語句に対応付けて広告情報を取得し、広告情報を提供している。このように構成された広告提供装置により、関連する語句が入力された場合であっても広告情報を提供することを可能にしている。
特開２００２−２９７６２１号公報

上記のように、検索サイトでユーザが検索を実行させた語句に対応する広告を表示する技術は既に知られており、ユーザが検索語句に興味を持っているという点では、検索語句に関連する広告を表示する効果がある。しかしながら、ユーザは必ずしも検索語句に対して好感をもっているとは限らず、嫌悪感をもっている場合もある。したがって、検索語句のみに基づいて、それに関連する広告を表示するだけでは、ユーザの感情に適合する広告がなされ、必ずしも広告効果が生じるとは限らない。

本発明は、このような事情に鑑みてなされたものであり、文書情報から抽出されたキーワードへの印象を判定することで広告効果を高める印象判定システム、広告記事生成システム、印象判定方法、広告記事生成方法、印象判定プログラムおよび広告記事生成プログラムを提供することを目的とする。

（１）上記の目的を達成するため、本発明の印象判定システムは、Ｗｅｂサイトの文書情報を、前記Ｗｅｂサイトを閲覧可能にしているＷｅｂサーバから取得する文書情報取得部と、前記文書情報を形態素解析により単語に分解する単語解析部と、前記分解された単語の集合から、所定の条件に適合する語句をキーワードとして抽出するキーワード抽出部と、前記取得された文書情報の中で、前記キーワードに関連して使用されている語句を関連ワードとして、前記分解された単語の集合から抽出する関連ワード抽出部と、特定の語句に対応付けて、前記特定の語句とともに使用されやすい語句を登録ワードとして記憶し、かつ前記登録ワードごとに前記特定の語句に対するポジティブまたはネガティブの印象の程度を記憶する印象情報蓄積部と、前記印象情報蓄積部を参照し、前記関連ワードについてキーワードに対する印象の程度を総合的に算出し、前記文書情報から得られる前記キーワードに対する印象を判定する印象判定部と、を備えることを特徴としている。

このように、本発明の印象判定システムは、文書からキーワードを抽出するだけでなく抽出されたキーワードに対する印象まで判定するため、判定結果を利用して文書から受けるキーワードへの印象に適合した広告の提供に利用可能となる。その結果、広告効果を高めることができる。

（２）また、本発明の広告記事生成システムは、上記の印象判定システムと、特定の語句に対してポジティブおよびネガティブのワード群をそれぞれ蓄積するグループワード蓄積部と前記グループワード蓄積部を参照して、前記判定された印象と同じ印象で前記キーワードとともに使用されやすい複数の語句をグループワードとして抽出するグループワード抽出部と、広告ごとに、広告素材情報を蓄積する広告情報蓄積部を参照し、前記グループワードと前記広告素材情報から得られる情報とをマッチングしてマッチした広告を特定する広告特定部と、前記特定された広告に対応する広告素材情報を、前記広告情報蓄積部から抽出する広告抽出部と、前記抽出された広告素材情報を用いて広告記事情報を生成し、前記生成された広告記事情報を、前記文書情報を取得したＷｅｂサーバへ送信する広告記事生成部と、を備えることを特徴としている。

このように、本発明の広告記事生成システムは、文書から受ける印象に近い広告記事情報を生成する。話題の中心事項について文書の印象に合った広告記事の生成が可能となる。その結果、広告によりさらにユーザの購買意欲を高めることができ、広告効果を高めることができる。

（３）また、本発明の印象判定方法は、Ｗｅｂサイトの文書情報を、前記Ｗｅｂサイトを閲覧可能にしているＷｅｂサーバから取得する文書情報取得ステップと、前記文書情報を形態素解析により単語に分解する単語解析ステップと、前記分解された単語の集合から、所定の条件に適合する語句をキーワードとして抽出するキーワード抽出ステップと、前記取得された文書情報の中で、前記キーワードに関連して使用されている語句を関連ワードとして、前記分解された単語の集合から抽出する関連ワード抽出ステップと、特定の語句に対応付けて、前記特定の語句とともに使用されやすい語句を登録ワードとして記憶し、かつ前記登録ワードごとに前記特定の語句に対するポジティブまたはネガティブの印象の程度を記憶する印象情報蓄積部を参照し、前記関連ワードについてキーワードに対する印象の程度を総合的に算出し、前記文書情報から得られる前記キーワードに対する印象を判定する印象判定ステップと、を含むことを特徴としている。

このように、本発明の印象判定方法は、文書からキーワードを抽出するだけでなく抽出されたキーワードに対する印象まで判定するため、判定結果を利用して文書から受けるキーワードへの印象に適合した広告の提供に利用可能となる。その結果、広告効果を高めることができる。

（４）また、本発明の広告記事生成方法は、特定の語句に対してポジティブおよびネガティブのワード群をそれぞれ蓄積するグループワード蓄積部を参照して、上記の印象判定方法により判定された印象と同じ印象で、前記キーワードとともに使用されやすい複数の語句をグループワードとして抽出するグループワード抽出ステップと、広告ごとに、広告素材情報を蓄積する広告情報蓄積部を参照し、前記グループワードと前記広告素材情報から得られる情報とをマッチングしてマッチした広告を特定する広告特定ステップと、前記特定された広告に対応する広告素材情報を、前記広告情報蓄積部から抽出する広告抽出ステップと、前記抽出された広告素材情報を用いて広告記事情報を生成し、前記生成された広告記事情報を、前記文書情報を取得したＷｅｂサーバへ送信する広告記事生成ステップと、を含むことを特徴としている。

このように、本発明の広告記事生成方法は、文書から受ける印象に近い広告記事情報を生成する。話題の中心事項について文書の印象に合った広告記事の生成が可能となる。その結果、広告によりさらにユーザの購買意欲を高めることができ、広告効果を高めることができる。

（５）また、本発明の印象判定プログラムは、Ｗｅｂサイトの文書情報を、前記Ｗｅｂサイトを閲覧可能にしているＷｅｂサーバから取得する文書情報取得処理と、前記文書情報を形態素解析により単語に分解する単語解析処理と、前記分解された単語の集合から、所定の条件に適合する語句をキーワードとして抽出するキーワード抽出処理と、前記取得された文書情報の中で、前記キーワードに関連して使用されている語句を関連ワードとして、前記分解された単語の集合から抽出する関連ワード抽出処理と、特定の語句に対応付けて、前記特定の語句とともに使用されやすい語句を登録ワードとして記憶し、かつ前記登録ワードごとに前記特定の語句に対するポジティブまたはネガティブの印象の程度を記憶する印象情報蓄積部を参照し、前記関連ワードについてキーワードに対する印象の程度を総合的に算出し、前記文書情報から得られる前記キーワードに対する印象を判定する印象判定処理と、を含むことを特徴としている。

このように、本発明の印象判定プログラムは、文書からキーワードを抽出するだけでなく抽出されたキーワードに対する印象まで判定するため、判定結果を利用して文書から受けるキーワードへの印象に適合した広告の提供に利用可能となる。その結果、広告効果を高めることができる。

（６）また、本発明の広告記事生成プログラムは、特定の語句に対してポジティブおよびネガティブのワード群をそれぞれ蓄積するグループワード蓄積部を参照して、上記の印象判定方法により判定された前記キーワードに対する印象と同じ印象で、前記キーワードとともに使用されやすい複数の語句をグループワードとして抽出するグループワード抽出処理と、広告ごとに、広告素材情報を蓄積する広告情報蓄積部を参照し、前記グループワードと前記広告素材情報から得られる情報とをマッチングしてマッチした広告を特定する広告特定処理と、前記特定された広告に対応する広告素材情報を、前記広告情報蓄積部から抽出する広告抽出処理と、前記抽出された広告素材情報を用いて広告記事情報を生成し、前記生成された広告記事情報を、前記文書情報を取得したＷｅｂサーバへ送信する広告記事生成処理と、を含むことを特徴としている。

このように、本発明の広告記事生成プログラムは、文書から受ける印象に近い広告記事情報を生成する。話題の中心事項について文書の印象に合った広告記事の生成が可能となる。その結果、広告によりさらにユーザの購買意欲を高めることができ、広告効果を高めることができる。

本発明の印象判定システムによれば、文書からキーワードを抽出するだけでなく抽出されたキーワードに対する印象まで判定するため、判定結果を利用して文書から受けるキーワードへの印象に適合した広告の提供に利用可能となる。その結果、広告効果を高めることができる。

本発明者らは、アフィリエイトシステムの利用を提供するにあたり、Ｗｅｂサイトに掲載される文章に合致した広告を行なった方が、広告効果が高い点に着目し、掲載される文章がその中のキーワードに対してどのような印象で作成されているかを解析する手段を見出して、本発明を完成させるに至った。ここで、アフィリエイトシステムとは、Ｗｅｂサイトの作成者が、企業と提携をして、自分のＷｅｂサイト内にリンクを貼り、Ｗｅｂサイトに訪れる一般ユーザが、貼られたリンク経由で商品を購入したり、資料請求を行ったり、会員登録をした場合に、それぞれの成果に応じて提携企業からＷｅｂサイトの運営者に報酬が支払われるシステムをいう。

本発明の印象判定システムは、取得したＷｅｂサイトの文書情報からキーワードおよびキーワードに関連の深い関連ワードを抽出し、関連ワードについてキーワードに対する印象の程度を総合的に算出することでキーワードに対する印象を判定する。このように判定された判定結果を利用すれば、文書がもつキーワードへの印象に適合した広告の提供を行なうことが可能となり、それによって広告効果を高めることができる。

以下の実施形態の説明では、図面を参照しながら、本発明の印象判定システムおよび広告記事生成システムを含むアフィリエイトシステム全体の構成を説明し、続いて広告記事生成システムおよび印象判定システムの具体的内容を説明する。説明の理解を容易にするため、各図面において同一の構成要素に対しては同一の参照番号を付し、重複する説明は省略する。

図１は、アフィリエイトシステム１の構成を示す概念図である。アフィリエイトシステム１は、作成者端末１００、ユーザ端末２５０、Ｗｅｂサーバ２００、ＡＩサーバ３１０（広告記事生成システム）、広告管理サーバ３３０、広告配信サーバ３４０および会員管理サーバ３５０から構成されている。

作成者端末１００は、Ｗｅｂサイトを作成する作成者が使用する一般的な端末であり、インターネットＮに接続されている。作成者端末１００は、作成者がＷｅｂサーバ２００にアクセスして、Ｗｅｂサイトを作成し、アフィリエイトシステム１の利用会員として会員登録を要求するため等に用いられる。また、作成者端末１００は、会員登録後に会員管理サーバ３５０から受信した広告記事掲載用のタグ情報を作成者が入力する際にも用いられる。

Ｗｅｂサーバ２００は、作成者端末１００からＷｅｂサイト用の情報を受信し、これを蓄積して、送信可能化の状態に置く。上記のＷｅｂサイト作成用の情報には、ブログに掲載される文書等の文書情報が含まれる。一方で、Ｗｅｂサーバ２００には、ＲＳＳ情報を発信するＲＳＳフィードが組み込まれ、Ｗｅｂサイトに新規の記事情報が蓄積されたときには、ＲＳＳ情報が生成される。ＲＳＳ情報には、見出し、要約等の情報が含まれる。なお、上記のＲＳＳフィードは、ＡＩサーバ３１０がＲＳＳリーダーを利用してＷｅｂサイトの文書情報を取得する場合には必要となるが、ＡＩサーバ３１０が一般的なクローラーにより文書情報を取得する場合には、不要となる。Ｗｅｂサーバ２００は、送信した文書情報をもとに作成された広告記事情報を広告配信サーバ３４０から受信し、Ｗｅｂサイト情報に含めて送信可能化の状態に置く。

ユーザ端末２５０は、ユーザが使用する一般的な端末で、インターネットＮに接続されており、Ｗｅｂサイトを閲覧可能にしている。また、ユーザ端末２５０からは、ユーザが広告記事の情報をもとに広告主サーバ（図示せず）にアクセスし、広告主サーバへの資料請求や商品等を注文することが可能となっている。

ＡＩサーバ３１０は、会員管理サーバ３５０から得たＷｅｂサイト作成者に対応する会員ＩＤおよびＲＳＳ情報取得用のアクセス先情報を記憶し、これをもとにＲＳＳリーダーでＲＳＳ情報（文書情報）を取得する。ＲＳＳリーダーを用いずに一般的なクローラーで文書情報を取得してもよい。

また、ＡＩサーバ３１０（広告記事生成システム）は、取得した文書情報を解析して文書情報のキーワードに対する印象を判定し、これをもとに広告記事生成用の広告情報を取得して広告記事情報を生成する。ＡＩサーバ３１０の構成の詳細は、後述する。

広告管理サーバ３３０は、広告主から出稿された広告素材情報を蓄積し、ＡＩサーバ３１０から要求があった場合には広告素材情報を送信する。広告管理サーバ３３０の構成の詳細は、後述する。

広告配信サーバ３４０は、ＡＩサーバ３１０が生成した広告記事情報を受信し、蓄積する。また、広告配信サーバ３４０は、会員ＩＤをもとに会員管理サーバ３５０を参照して広告記事情報の送信先情報を取得し、広告記事情報を文書情報が取得されたＷｅｂサーバ２００に送信する。また、広告配信サーバ３４０は、ユーザ端末２５０が、ＡＩサーバ３１０により生成された広告記事情報から広告主のシステムにアクセスしたときには、アクセスログを記録する。広告配信サーバ３４０は、アクセスログからアクセス数等の各アクション数を集計し、集計データをＡＩサーバ３１０に送信する。

会員管理サーバ３５０は、作成者端末１００からアフィリエイトシステム１の利用会員として会員登録の要求があったときには、会員登録処理を行ない、作成されたＷｅｂサイトのＲＳＳ情報またはサイト情報を取得するとともに、作成者の会員ＩＤを生成する。同時に、会員管理サーバ３５０は、ＡＩサーバ３１０へＲＳＳ情報またはサイト情報および会員管理ＩＤを送信し、広告記事掲載用のタグを生成して、作成者端末１００へ送信する。また、会員管理サーバ３５０は、広告主へのユーザによるアクションの情報を広告配信サーバ３４０から取得し、その情報を報酬算出サーバ（図示せず）に送信する。報酬算出サーバは報酬額または報酬ポイントを算出し、作成者へ報酬を支払う。

次に、ＡＩサーバ３１０（広告記事生成システム）および広告管理サーバ３３０の詳細を説明する。図２は、ＡＩサーバ３１０および広告管理サーバ３３０の構成を示すブロック図である。

ＡＩサーバ３１０（広告記事生成システム）は、文書情報取得部３１１、文書情報蓄積部３１２、単語解析部３１３、キーワード抽出部３１５、関連ワード抽出部３１６、印象判定部３１８、印象情報蓄積部３１７、グループワード抽出部３２０、広告特定部３２２、広告抽出部３２４および広告記事生成部３２６から構成されている。

文書情報取得部３１１は、Ｗｅｂサイトの文書情報を、Ｗｅｂサーバ２００から取得する。文書情報取得部３１１は、あらかじめＲＳＳフィードのアクセス先を登録している。このアクセス先は、アフィリエイトシステム１の利用会員が作成したＷｅｂサイトのＲＳＳフィードのアクセス先である。文書情報取得部３１１は、登録されているＲＳＳフィードのアクセス先の情報に基づいてアクセス先の文書情報を次々に収集する。図３は、文書情報が取得されたＷｅｂサイトの表示例を示す図である。ＲＳＳフィードでは、新たに更新があった２００５年１２月２日のブログの文書情報をＲＳＳ情報とする。

ＲＳＳにより情報を収集する場合には、予めＲＳＳフィードがＷｅｂサイトの更新時に作成したタイトル情報や要約の情報を含む文書情報を送信可能にするため、Ｗｅｂサイトの更新に対応し易くなり、文書情報の収集の効率が上がる。ただし、本発明はＲＳＳを利用することに限定されず、一般的なクローリングを行なう場合にも適用可能である。文書情報取得部３１１は、たとえばＣＰＵおよびＲＡＭ等のメモリまたはハードディスク等の外部記憶装置により構成されている。

文書情報蓄積部３１２は、文書情報取得部３１１により取得された文書情報を蓄積する。蓄積された文書情報は、印象情報蓄積部３１７の情報の更新等に用いられる。文書情報蓄積部３１２は、たとえばＲＡＭ等のメモリまたはハードディスク等の外部記憶装置により構成されている。

単語解析部３１３は、取得された文書情報を形態素解析により単語に分解する。形態素解析を行なうことにより、文章は形態素（言語において意味を持つ最小単位）の列に分割され、読み、原形、品詞の種類、活用の種類、活用形等まで分析される。形態素解析を行なう際には、単語解析部３１３にあらかじめ用意された文法および辞書（品詞等の情報が対応付けられた単語リスト）を参照する。単語解析部３１３は、たとえばＣＰＵおよびＲＡＭ等のメモリまたはハードディスク等の外部記憶装置により構成される。

キーワード抽出部３１５は、分解された単語の集合から、所定の条件に適合する語句をキーワードとして抽出する。所定の条件には、たとえば（１）語句の出現頻度の高いこと（Ｔｅｒｍ Ｆｒｅｑｕｅｎｃｙ：ｔｆ）、（２）文書集合のうち少数の文書にしか現れないこと（Ｄｏｃｕｍｅｎｔ Ｆｒｅｑｕｅｎｃｙ：ｄｆ）、（３）語句に関連した動詞や形容詞があること、等の組合せが挙げられる。このうち、ｄｆについては、逆数の対数をとり、文書総数により正規化したｉｄｆを用いてもよい。キーワード抽出部３１５は、たとえばＣＰＵにより構成されている。

関連ワード抽出部３１６は、取得された文書情報の中で、キーワードに関連して使用されている語句を関連ワードとして分解された単語の集合から抽出する。関連しているか否かの判断は、たとえば係り受け解析により行ない、修飾語と被修飾語とは互いに関連すると判断される。関連ワード抽出部３１６は、たとえばＣＰＵにより構成されている。

印象情報蓄積部３１７は、特定の語句に対応付けて、文書中で特定の語句とともに使用されやすい語句を登録ワードとして記憶し、かつ登録ワードごとに特定の語句に対するポジティブまたはネガティブの印象値（印象の程度）を記憶している。図４は、登録ワードごとに特定の語句に対するポジティブまたはネガティブの印象値を記憶するテーブルの例を示している。たとえば、「コーヒー」という特定の語句について「紅茶」、「緑茶」、「苦さ」、「ブレンド」、「香り」等の登録ワードが記憶されている。そして、それぞれに対応付けて「コーヒー」に対する印象値を記憶している。たとえば、図４に示す例では、「紅茶」の「インスタント」に対する印象値は、「−１」であり、「ブレンド」の「インスタント」に対する印象値は「２」である。印象情報蓄積部３１７は、たとえばＲＡＭ等のメモリまたはハードディスク等の外部記憶装置により構成されている。

印象判定部３１８は、印象情報蓄積部３１７を参照し、関連ワードについてキーワードに対する印象値（印象の程度）を総合的に算出し、文書情報から得られるキーワードに対する印象を判定する。これにより、文書からキーワードを抽出するだけでなく抽出されたキーワードに対する印象まで判定するため、判定結果を利用して文書から受けるキーワードへの印象に適合した広告の提供に利用可能となる。その結果、広告効果を高めることができる。

図５は、キーワードに対する印象値を集計した結果を示す図である。図５に示す例では、キーワード「コーヒー」に対して、その関連ワード「紅茶」は、印象値が「−１」、文書中での関連値が「４」、文書中での出現数が「１」であるとき、それらの積が「−４」である。文書中での関連値は、使用されている関連ワードのキーワードに対する位置の近さや、主語述語関係にあるか等により決まる関連深さを示している。この関連値については、たとえば係り受け解析により数値を得ることができる。

図５では、同様に、関連ワード「苦さ」の数値の積が「−１２」であり、関連ワード「ブレンド」の数値の積が「２」であることが示されている。したがって、これら数値の積を合計すると、「−１４」となり、負の数値であることが分かる。印象判定部３１８は、このように総合的に算出された印象値の値が、０以上であるか否かを判定することで、文書情報から得られるキーワードに対する印象を判定する。数値が０以上である場合には、判定結果はポジティブであり、数値が負の場合には、判定結果はネガティブである。したがって、図５に示される例では、印象判定部３１８は、文書情報から得られるキーワード「コーヒー」に対する印象をネガティブであると判定することになる。印象判定部３１８は、たとえばＣＰＵにより構成される。なお、上記の判定手法を一例にすぎず、関連値や出現数等のパラメータの組合せを限定するものではない。

グループワード蓄積部３１９は、特定の語句に対してポジティブおよびネガティブのワード群をそれぞれ蓄積する。図６は、グループワード蓄積部３１９に蓄積されるワード群の一例を示す概念図である。ワード群は、図６に示すように、重み付き無向構造で蓄積されている。図中のネットワーク上に記載している数値は、互いの関連性を示しており、小さいほど関連性が高い。一般的にデータ構造上近くに格納されているデータ同士は関連性がある可能性が高い。ただし、実際の関連性は、データ間の重み付けで決定される。グループワード蓄積部３１９は、たとえばＲＡＭ等のメモリまたはハードディスク等の外部記憶装置により構成されている。

グループワード抽出部３２０は、グループワード蓄積部３１９を参照して、判定された印象と同じ印象でキーワードとともに使用されやすい複数の語句をグループワードとして抽出する。たとえば、ネガティブの判定結果を得た場合に、「コーヒー」というキーワードに対してグループワード蓄積部３１９に「コーヒー」のネガティブのワード群に、「コーヒー」にデータ構造上近いものとして「紅茶」、「緑茶」、「ジュース」「ケーキ」および「水」があったとき、まずこれらを抽出する。さらに、それらについて重み付けを含めて関連性を算出し、「紅茶」、「緑茶」、「ケーキ」の関連性が高いと判断されたときには、これらをグループワードとして抽出する。

広告特定部３２２は、広告情報蓄積部３３５を参照し、グループワードと、広告素材情報から得られる情報とをマッチングしてマッチした広告を特定する。すなわち、広告の紹介文、広告文章、広告の関連キーワード等の文章からグループワードに近いものを検索することで特定を行なう。たとえば、「紅茶」に合致する商品名「○○紅茶」の広告素材情報や、「緑茶」に合致する商品名「□□緑茶」の広告等を特定する。広告特定部３２２は、たとえばＣＰＵにより構成される。なお、上記のマッチングでは、広告情報として用意されたデータ以外にも、広告主のＷｅｂサイトの情報を利用することもできる。また、マッチング手法としてベクトル空間モデル等を利用した情報検索やマッチする情報のランダム抽出等を利用することができる。

広告抽出部３２４は、特定された広告に対応する広告素材情報を、広告情報蓄積部３３５から抽出する。たとえば、「○○紅茶」の広告素材情報として「味わい深い○○紅茶で快適な午後のひとときを．．．」というテキストデータが広告情報蓄積部３３５に蓄積されている場合には、このテキストデータを抽出する。広告抽出部３２４は、たとえばＣＰＵにより構成される。なお、広告素材情報は、テキストデータに限らず画像データを伴うものであってもよい。

広告記事生成部３２６は、抽出された広告素材情報を用いて広告記事情報を生成し、生成された広告記事情報を、文書情報を取得したＷｅｂサーバ２００へ送信する。これにより、文書から受ける印象に近い広告記事情報が生成され、話題の中心事項について文書の印象に合った広告記事の生成が可能となる。その結果、広告によりさらにユーザの購買意欲を高めることができ、広告効果を高めることができる。広告記事の生成には、少なくとも抽出された広告素材情報を用い、必要に応じキーワードやグループワードを用いてもよい。広告記事情報の生成の際には、広告記事生成部３２６は、必要に応じキーワードやグループワードを用いてキャッチコピーを生成し、これを広告記事情報の中に含める。設定によりキャッチコピーを生成しない場合もある。このように、広告記事生成部３２６は、文書情報がキーワードに対してもっている印象を反映させてキャッチコピーを生成することができる。

たとえば、文書情報がキーワード「コーヒー」に対してネガティブな印象を有すると判定されたときには、広告記事生成部３２６は、「コーヒーが嫌いなあなたに送るベストセレクション」等のキャッチコピーを生成する。このようにして生成された広告記事情報がＷｅｂサーバ２００に送信されることにより、Ｗｅｂサーバ２００は、Ｗｅｂサイトの情報に生成された広告記事情報を掲載することが可能になる。図７は、生成された広告記事情報を掲載したＷｅｂサイトの表示例を示す図である。広告記事生成部３２６は、たとえばＣＰＵにより構成されている。

広告管理サーバ３３０は、広告情報受付部３３２および広告情報蓄積部３３５を備えている。広告情報受付部３３２は、広告主サーバの認証処理および広告主サーバから出稿された広告素材情報を受付ける。広告情報受付部３３２は、たとえばＣＰＵにより構成されている。広告情報蓄積部３３５は、受付けた広告素材情報を蓄積し、ＡＩサーバ３１０の広告抽出部３２４からの要求を受けて、広告情報をＡＩサーバ３１０に送信する。広告情報蓄積部３３５は、たとえばＲＡＭ等のメモリまたはハードディスク等の外部記憶装置により構成されている。
なお、上記の例では、ＡＩサーバ３１０が広告記事生成の機能を果たしているが、本発明はこのような形態に限定されることはなく適用可能である。すなわち、複数のサーバにより広告記事生成システムが構成されていてもよいし、広告記事生成システムが、広告記事生成の機能の他に上記の広告管理サーバ３３０の機能を含んでいてもよい。

次に、上記のように構成されたＡＩサーバ３１０の特徴的な動作を説明する。前提として、作成者がアフィリエイトシステム１の利用会員として登録されている必要がある。会員登録の際、作成者端末１００は、会員管理サーバ３５０にアクセスし、広告掲載用のタグの発行を受ける。そして、会員管理サーバ３５０は、作成者のＷｅｂサイトのＲＳＳフィードのアクセス先情報を受けるとともに、会員ＩＤを発行する。ＡＩサーバ３１０（広告記事生成システム）は、ＲＳＳフィードのアクセス先情報および会員ＩＤを会員管理サーバ３５０から受信し、記憶する。

このような状況を前提に、ＡＩサーバ３１０（広告記事生成システム）は動作する。図８は、ＡＩサーバ３１０の特徴的な動作を示すフローチャートである。まず、ＡＩサーバ３１０は、文書情報取得部３１１により、Ｗｅｂサイトの文書情報を、Ｗｅｂサーバ２００から取得する（ステップＳ１）。そして、単語解析部３１３により、取得された文書情報を形態素解析により単語に分解する（ステップＳ２）。次に、ＡＩサーバ３１０は、キーワード抽出部３１５により、分解された単語の集合から、所定の条件に適合する語句をキーワードとして抽出する（ステップＳ３）。キーワードの抽出処理の詳細については、後述する。続いてＡＩサーバ３１０は、関連ワード抽出部３１６により、取得された文書情報の中で、キーワードに関連して使用されている語句（関連ワード）を分解された単語の集合から抽出する。関連しているか否かの判断は、たとえば係り受け解析により行なう。

次に、ＡＩサーバ３１０は、印象判定部３１８により、印象情報蓄積部３１７を参照し、すべての関連ワードにわたってキーワードに対する印象値を総合的に算出し、文書情報から得られるキーワードに対する印象を判定する（ステップＳ５）。印象判定処理の詳細については、後述する。ＡＩサーバ３１０は、グループワード抽出部３２０により、グループワード蓄積部３１９を参照して、グループワードを抽出する（ステップＳ６）。グループワードとは、判定された印象と同じ印象でキーワードとともに使用されやすい複数の語句である。グループワードの抽出処理の詳細については、後述する。

次に、ＡＩサーバ３１０は、広告特定部３２２により、広告情報蓄積部３３５を参照し、グループワードと、広告素材情報から得られる情報とをマッチングしてマッチした広告を特定する（ステップＳ７）。そして、広告抽出部３２４により、特定された広告に対応する広告素材情報を、広告情報蓄積部３３５から抽出する（ステップＳ８）。最後に、ＡＩサーバ３１０は、広告記事生成部３２６により、抽出された広告素材情報を用いて広告記事情報を生成し、生成された広告記事情報を、文書情報を取得したＷｅｂサーバ２００へ送信する（ステップＳ９）。広告記事生成処理の詳細については、後述する。このようにして生成された広告記事情報がＷｅｂサーバ２００に送信されることにより、Ｗｅｂサーバ２００は、Ｗｅｂサイトに生成された広告記事情報を掲載することが可能になる。なお、広告記事情報の送信は、広告配信サーバ３４０を介して行なわれる。

このようにしてＷｅｂサイトに掲載された広告記事情報からユーザが広告主サイトにアクセスした場合、広告配信サーバ３４０がアクセスログを記録し、アクセスログをＡＩサーバ３１０に送信する。ＡＩサーバ３１０は、このフィードバックされた情報をもとに語句の関連性や印象値の信頼度を高めることが可能である。また、ユーザが広告記事情報から広告主サイトへアクセスし、広告成果につながるアクションをした場合には、報酬算出サーバ（図示せず）が報酬額を計算し、作成者（利用会員）に報酬が支払われることになる。

このようなＡＩサーバ３１０の動作のうち、キーワード抽出の動作を以下に詳述する。図９は、キーワード抽出処理を示すフローチャートである。まず、キーワード抽出部３１５は、単語解析部３１３により分解された単語（最小単位）の一つについて、話題の中心となる品詞であるか否かを判定する（ステップＴ１）。話題の中心となる品詞でない場合には、ステップＴ５に進む。単語が話題の中心となる品詞である場合には、キーワードとなりうる語句を作成するのに単語を加工する必要があるか否かを判定する（ステップＴ２）。加工する必要がない場合には、ステップＴ４に進む。単語を加工する必要がある場合には、単語を語句に加工する（ステップＴ３）。たとえば、単語を組み合わせて、名詞＋名詞で語句に加工したり、名詞＋副詞＋名詞で語句に加工したりする。

続いて、加工された語句あるいは加工される必要がないと判定された単語を選別する（ステップＴ４）。そして、分解されたすべての単語について上記の選別までの処理を終えたか否かを判定する（ステップＴ５）。すべての単語について選別を終えていない場合には、ステップＴ１に戻る。すべての単語について選別を終えた場合には、選別した語句の中から重要な語句を抽出する（ステップＴ６）。選別された語句の中から、局所的な重み付けの方法、大域的重み付けの方法、もしくは語句に関連する動詞や形容詞がある場合に重みを与える方法またはこれらの組合せ（所定の条件）により重要な語句（キーワード）を抽出しキーワードの抽出処理を終了する。局所的な重み付けの方法とは文書中の語句の出現頻度の高いことを考慮する方法であり、大域的重み付けの方法とは文書集合のうち少数の文書にしか現れないことを考慮する方法である。

次に、ＡＩサーバ３１０の動作のうち、印象判定の動作を以下に詳述する。図１０は、印象判定の処理を示すフローチャートである。まず、印象判定部３１８は、印象情報蓄積部３１７を参照し、抽出された関連ワードが登録ワードであるか否かを判定する（ステップＰ１）。ここで、登録ワードとは、特定の語句とともに使用されやすい語句として、印象情報蓄積部３１７に記憶されている語句である。判定の結果、抽出された関連ワードが登録ワードでない場合には、ステップＰ４に移る。抽出された関連ワードが登録ワードである場合には、その登録ワードの印象値を印象情報蓄積部３１７から読み出す（ステップＰ２）。そして、その登録ワードの印象値に重み付けを乗じて、加算する（ステップＰ３）。重み付けには、たとえば、文書中で使用されている関連ワードのキーワードに対する関連深さを示す関連値や関連ワードの出現数等がある。

続いて、すべての関連ワードについて、上記の加算までの処理を終えたか否かを判定する（ステップＰ４）。処理を終えていない関連ワードがある場合には、ステップＰ１に戻る。すべての関連ワードにわたって処理を終えた場合には、上記の加算値を関連ワードすべてについて合計し、この印象値の合計が０以上であるか否かについて判定する（ステップＰ５）。判定の結果、印象値の合計が負である場合には、文書情報のキーワードに対する印象がネガティブであると判定する（ステップＰ６）。一方、印象値の合計が０以上である場合には、文書情報のキーワードに対する印象がポジティブであると判定する（ステップＰ７）。そして、印象判定の処理を終了する。

次に、ＡＩサーバ３１０の動作のうち、グループワードの抽出の動作を以下に詳述する。図１１は、グループワードの抽出処理を示すフローチャートである。まず、グループワード抽出部３２０は、キーワードの印象がポジティブと判定されたか否かを判断する（ステップＱ１）。ネガティブと判定された場合には、ネガティブのワード群からデータ構造上近くにある語句を抽出する（ステップＱ２）。一方、ポジティブと判定された場合には、ポジティブのワード群からデータ構造上近くにある語句を抽出する（ステップＱ３）。次に、グループワード抽出部３２０は、抽出された語句についてキーワードとの関連性を重み付けから関連度を算出することにより、特に関連性の高い語句をグループワードとして抽出する（ステップＱ４）
次に、ＡＩサーバ３１０の動作のうち、広告記事生成の動作を以下に詳述する。図１２は、広告記事の生成処理を示すフローチャートである。広告記事生成部３２６は、キャッチコピーが必要か否かを判定する（ステップＲ１）。キャッチコピーが必要か否かは、設定次第である。たとえば、広告主が望まない場合には、キャッチコピーを生成しないように設定しておくことも可能である。キャッチコピーが必要ないと判定された場合には、ステップＲ５に移る。

一方、キャッチコピーが必要であると判定された場合には、文書情報のキーワードへの印象がポジティブと判定されたか否かを判定する（ステップＲ２）。印象がネガティブと判定されていたときには、ネガティブ用のキャッチコピーを生成する（ステップＲ３）。キャッチコピーの生成は、名詞、動詞、形容詞やテンプレート、定型文等を組み合わせて生成する。ネガティブ用のキャッチコピーは、たとえば、「コーヒーよりも○○紅茶」、「コーヒーも良いけど□□飲料の□□緑茶」等である。一方、印象がポジティブと判定されていたときには、ポジティブ用のキャッチコピーを生成する（ステップＲ４）。ポジティブ用のキャッチコピーは、たとえば、「コーヒーと言えば△△」、「美味しいコーヒーは××」等である。最後に、キャッチコピーや広告素材情報を合成して、広告記事情報を生成する（ステップＲ５）。このようにして、広告記事生成処理を終了する。

以上のような本発明の特徴的な動作は、プログラムを実行することによって行なわれる。このプログラムは、ＣＤ−ＲＯＭやＤＶＤ等の記録媒体に記録された状態で入手することができる。また、このようなプログラムは、ネットワークを構成する公衆電話回線、専用電話回線、ケーブルテレビ回線、無線通信回線等により構成される通信網等の伝送媒体を介して、送信装置であるコンピュータにより送信された信号を受信することで入手することもできる。

なお、上記の実施形態では、実数の範囲をとりうる印象値を用いて印象を判定しているが、それぞれ正の値をとるポジティブ値およびネガティブ値を用いて、両者の大小で印象を判定してもよい。

アフィリエイトシステムの構成を示す概念図である。 ＡＩサーバ（広告記事生成システム）および広告管理サーバの構成を示すブロック図である。 文書情報が取得されたＷｅｂサイトの表示例を示す図である。 登録ワードごとに特定の語句に対する印象値を示すテーブルの例。 キーワードに対する印象値を集計した結果を示す図である。 グループワード蓄積部に蓄積されるワード群の一例を示す概念図である。 生成された広告記事情報を掲載したＷｅｂサイトの表示例を示す図である。 ＡＩサーバ（広告記事生成システム）の特徴的な動作を示すフローチャートである。 キーワード抽出処理を示すフローチャートである。 印象判定処理を示すフローチャートである。 グループワードの抽出処理を示すフローチャートである。 広告記事の生成処理を示すフローチャートである。

符号の説明

１ アフィリエイトシステム
１００ 作成者端末
２００ Ｗｅｂサーバ
２５０ ユーザ端末
３１０ ＡＩサーバ（広告記事生成システム）
３１１ 文書情報取得部
３１２ 文書情報蓄積部
３１３ 単語解析部
３１５ キーワード抽出部
３１６ 関連ワード抽出部
３１７ 印象情報蓄積部
３１８ 印象判定部
３１９ グループワード蓄積部
３２０ グループワード抽出部
３２２ 広告特定部
３２４ 広告抽出部
３２６ 広告記事生成部
３３０ 広告管理サーバ
３３２ 広告情報受付部
３３５ 広告情報蓄積部
３４０ 広告配信サーバ
３５０ 会員管理サーバ

Claims (6)

1. Ｗｅｂサイトの文書情報を、前記Ｗｅｂサイトを閲覧可能にしているＷｅｂサーバから取得する文書情報取得部と、
   前記文書情報を形態素解析により単語に分解する単語解析部と、
   前記分解された単語の集合から、所定の条件に適合する語句をキーワードとして抽出するキーワード抽出部と、
   前記取得された文書情報の中で、前記キーワードに関連して使用されている語句を関連ワードとして、前記分解された単語の集合から抽出する関連ワード抽出部と、
   特定の語句に対応付けて、前記特定の語句とともに使用されやすい語句を登録ワードとして記憶し、かつ前記登録ワードごとに前記特定の語句に対するポジティブまたはネガティブの印象の程度を記憶する印象情報蓄積部と、
   前記印象情報蓄積部を参照し、前記関連ワードについてキーワードに対する印象の程度を総合的に算出し、前記文書情報から得られる前記キーワードに対する印象を判定する印象判定部と、を備えることを特徴とする印象判定システム。
2. 請求項１の印象判定システムと、
   特定の語句に対してポジティブおよびネガティブのワード群をそれぞれ蓄積するグループワード蓄積部と、
   前記グループワード蓄積部を参照して、前記判定された印象と同じ印象で前記キーワードとともに使用されやすい複数の語句をグループワードとして抽出するグループワード抽出部と、
   広告ごとに、広告素材情報を蓄積する広告情報蓄積部を参照し、前記グループワードと前記広告素材情報から得られる情報とをマッチングしてマッチした広告を特定する広告特定部と、
   前記特定された広告に対応する広告素材情報を、前記広告情報蓄積部から抽出する広告抽出部と、
   前記抽出された広告素材情報を用いて広告記事情報を生成し、前記生成された広告記事情報を、前記文書情報を取得したＷｅｂサーバへ送信する広告記事生成部と、を備えることを特徴とする広告記事生成システム。
3. Ｗｅｂサイトの文書情報を、前記Ｗｅｂサイトを閲覧可能にしているＷｅｂサーバから取得する文書情報取得ステップと、
   前記文書情報を形態素解析により単語に分解する単語解析ステップと、
   前記分解された単語の集合から、所定の条件に適合する語句をキーワードとして抽出するキーワード抽出ステップと、
   前記取得された文書情報の中で、前記キーワードに関連して使用されている語句を関連ワードとして、前記分解された単語の集合から抽出する関連ワード抽出ステップと、
   特定の語句に対応付けて、前記特定の語句とともに使用されやすい語句を登録ワードとして記憶し、かつ前記登録ワードごとに前記特定の語句に対するポジティブまたはネガティブの印象の程度を記憶する印象情報蓄積部を参照し、前記関連ワードについてキーワードに対する印象の程度を総合的に算出し、前記文書情報から得られる前記キーワードに対する印象を判定する印象判定ステップと、を含むことを特徴とする印象判定方法。
4. 特定の語句に対してポジティブおよびネガティブのワード群をそれぞれ蓄積するグループワード蓄積部を参照して、請求項３の印象判定方法により判定された印象と同じ印象で、前記キーワードとともに使用されやすい複数の語句をグループワードとして抽出するグループワード抽出ステップと、
   広告ごとに、広告素材情報を蓄積する広告情報蓄積部を参照し、前記グループワードと前記広告素材情報から得られる情報とをマッチングしてマッチした広告を特定する広告特定ステップと、
   前記特定された広告に対応する広告素材情報を、前記広告情報蓄積部から抽出する広告抽出ステップと、
   前記抽出された広告素材情報を用いて広告記事情報を生成し、前記生成された広告記事情報を、前記文書情報を取得したＷｅｂサーバへ送信する広告記事生成ステップと、を含むことを特徴とする広告記事生成方法。
5. Ｗｅｂサイトの文書情報を、前記Ｗｅｂサイトを閲覧可能にしているＷｅｂサーバから取得する文書情報取得処理と、
   前記文書情報を形態素解析により単語に分解する単語解析処理と、
   前記分解された単語の集合から、所定の条件に適合する語句をキーワードとして抽出するキーワード抽出処理と、
   前記取得された文書情報の中で、前記キーワードに関連して使用されている語句を関連ワードとして、前記分解された単語の集合から抽出する関連ワード抽出処理と、
   特定の語句に対応付けて、前記特定の語句とともに使用されやすい語句を登録ワードとして記憶し、かつ前記登録ワードごとに前記特定の語句に対するポジティブまたはネガティブの印象の程度を記憶する印象情報蓄積部を参照し、前記関連ワードについてキーワードに対する印象の程度を総合的に算出し、前記文書情報から得られる前記キーワードに対する印象を判定する印象判定処理と、を含むことを特徴とする印象判定プログラム。
6. 特定の語句に対してポジティブおよびネガティブのワード群をそれぞれ蓄積するグループワード蓄積部を参照して、請求項５の印象判定方法により判定された前記キーワードに対する印象と同じ印象で、前記キーワードとともに使用されやすい複数の語句をグループワードとして抽出するグループワード抽出処理と、
   広告ごとに、広告素材情報を蓄積する広告情報蓄積部を参照し、前記グループワードと前記広告素材情報から得られる情報とをマッチングしてマッチした広告を特定する広告特定処理と、
   前記特定された広告に対応する広告素材情報を、前記広告情報蓄積部から抽出する広告抽出処理と、
   前記抽出された広告素材情報を用いて広告記事情報を生成し、前記生成された広告記事情報を、前記文書情報を取得したＷｅｂサーバへ送信する広告記事生成処理と、を含むことを特徴とする広告記事生成プログラム。

Images